Bài giảng Tương quan chuỗi (serial correlation)
NỘI DUNG 1. Tương quan chuỗi (Tự tương quan –AR) ? 2. Hậu quả của việc bỏ qua AR 3. Kiểm định AR 4. Các thủ tục ước lượng
Bạn đang xem trước 20 trang tài liệu Bài giảng Tương quan chuỗi (serial correlation), để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
1CAO HÀO THI
TƯƠNG QUAN CHUỖI
(Serial Correlation)
2NỘI DUNG
1. Tương quan chuỗi (Tự tương quan –
AR) ?
2. Hậu quả của việc bỏ qua AR
3. Kiểm định AR
4. Các thủ tục ước lượng
3Tương quan chuỗi ?
Tương quan chuỗi (hay tự tương quan) là
tương quan giữa các phần dư t
Serial Correlation
Autocorrelation
AutoRegression - AR
4Tương quan chuỗi ?
PRF:
Yt = 1 + 2X2t + 2X3t + + kXkt +t
AR(p): tương quan chuỗi bậc p
t = 1 t-1 + 2 t-2 + + p t-p + t
Quá trình tự hồi quy bậc p của các phần dư t
5Tương quan chuỗi ?
Các sai số t có tính nhiễu trắng khi:
E(t) = 0
E(2t) = 2 = const
E(tt-s) = 0 với s 0
AR(p): tương quan chuỗi bậc p
H0 : 1 = 2 = = p = 0 : Không có AR(p)
6Tương quan chuỗi ?
Giả thiết :
Không có AR
E(t t-p) = 0 với p 0
Vi phạm giả thiết:
E(t t-p) 0 với p 0
Có AR(p)
7HẬU QUẢ BỎ QUA AR ?
1. Các ước lượng và dự báo dựa trên các ước
lượng đó vẫn không chệch và nhất quán
nhưng không hiệu quả.
Tính nhất quán sẽ không có nếu biến độc
lập bao gồm biến phụ thuộc có độ trễ
2. Phương sai và đồng phương sai ước lượng
của các hệ số sẽ chệch và không nhất quán
và do đó các kiểm định giả thuyết (t & F)
không còn hiệu lực
8KIỂM ĐỊNH AR ?
1. Phương pháp đồ thị:
Kỹ thuật này chỉ có tính gợi ý về AR
và không thay thế được kiểm định
chính thức
9ĐỒ THỊ KIỂM TRA AR ?
10
ĐỒ THỊ KIỂM TRA AR ?
11
KIỂM ĐỊNH AR ?
Kiểm định Durbin Watson
Kiểm định Correlogram – Q Statistics
Kiểm định Serial Correlation LM
12
KIỂM ĐỊNH DURBIN WATSON ?
Chỉ dùng kiểm định AR(1)
Yt = 1 + 2X2t + 2X3t + + kXkt +t
AR(1): t = 1 t-1 + t
Giả thuyết:
H0 : 1 = 0 : Không có AR(1)
H1 : 1 0 : Có AR(1)
13
KIỂM ĐỊNH DURBIN WATSON ?
Trị kiểm định:
Không
kết
luận
0 dL dU 2 4 - dU 4 - dL 4
H 0: = 0 H1: < 0
Tự tương quan âmTự tương quan dương
H1 : > 0
Không
kết
luận
14
KIỂM ĐỊNH DURBIN WATSON ?
Lưu ý:
- Có một số trường hợp không kết luận
được
- Khi vế phải của mô hình có các biến
phụ thuộc có độ trễ thì kiểm định
không còn hiệu lực
15
KIỂM ĐỊNH CORRELOGRAM
Hệ số ACk (Auto Correlation)
ACk = r = correl(t, t-k)
Hệ số PACk (Partial Auto Correlation)
ut = 1ut-1 + t thì 1^ = PAC1
ut = 1ut-1 + 2ut-2 + t thì 2^ = PAC2
16
KIỂM ĐỊNH CORRELOGRAM
Giả thuyết:
H0 : AC1 =AC2 = = ACp = 0 Không có
AR(p)
H1 : Có ít nhất 1 số ACj 0 (j = 2,p) Có AR(p)
Nghĩa là:
AR(1) : H0 : AC1 = 0 Không có AR(1)
H1 : AC1 ≠ 0 Có AR(1)
AR(2) : H0 : AC1 = AC2 = 0Không có AR(2)
H1 : AC1 ≠ 0 hoặc AC2 ≠ 0 Có AR(2)
17
KIỂM ĐỊNH CORRELOGRAM
Trị kiểm định
LB: Lung-Box
Q* = 2k-p-q
k: Độ trễ đang xét
p: Bậc tự hồi quy
q: Bậc TB trượt
Qtt > Q* Bác bỏ Ho
18
KIỂM ĐỊNH CORRELOGRAM
Thực hiện trên EVIEW
View/Residual Test/Correlogram–Q Statistics
Nếu t không có tự tương quan thì:
- AC và PAC của tất cả các độ trễ sẽ có giá
trị gần bằng 0 các giá trị trong 2
- Tất cả trị thống kê Q-Stat sẽ không có ý
nghĩa nếu các giá trị p-value > 5%
Không có AR
19
KIỂM ĐỊNH NHÂN TỬ LAGRANGE
Yt = 1 + 2X2t + 2X3t + + kXkt +t
AR(p): tương quan chuỗi bậc p
t = 1 t-1 + 2 t-2 + + p t-p + t
Giaû thuyeát:
H
0
: AC
1
= AC
2
= = ACp = 0 Khoâng coù (p)AR
H
1
: Coù ít nhaát 1 soá ACj 0 (j = 2,p) Coù (p)AR
20
KIỂM ĐỊNH NHÂN TỬ LAGRANGE
Yt = 1 + 2X2t + 2X3t + + kXkt +t
AR(p): tương quan chuỗi bậc p
t = 1 t-1 + 2 t-2 + + p t-p + t
Giaû thuyeát:
H
0
: AC
1
= AC
2
= = ACp = 0 Khoâng coù (p)AR
H
1
: Coù ít nhaát 1 soá ACj (j = ,p)0 2
21
Bước 1: Thực hiện hồi quy:
Yt = 1 + 2X2t + 2X3t + + kXkt +t
t^ = resid
Bước 2: Hồi quy phụ:
t^ = 1 + 2X2t + 2X3t + + kXkt
+ 1 t-1 + 2 t-2 + + p t-p + t
R2hqp
KIỂM ĐỊNH NHÂN TỬ LAGRANGE
22
Bước 3: Kiểm định giả thuyết:
H0 : 1 = 2 = = p = 0 Không có AR(p)
H1 : Có ít nhất 1 j 0 (j = 1,p) Có AR(p)
Trị kiểm định: 2tt = (n-p)R2hqp
2* = 2p,
2tt > 2* hay p-value > Bác bỏ H0
KIỂM ĐỊNH NHÂN TỬ LAGRANGE
23
CÁC GiẢI PHÁP KHẮC PHỤC AR
1. Thay Đổi Dạng Hàm Số
2. Lấy sai phân
3. Các thủ tục ước lượng
– Thủ tục Tính lặp Cochrane – Orcutt
(CORC) (Cochrane và Orcutt, 1949)
– Thủ tục tìm kiếm Hildrth – Lu (HILU)
(Hildreth – Lu, 1960).
24
THAY ĐỔI DẠNG HÀM SỐ
Tương quan chuỗi có thể là triệu chứng của
mô hình bị sai dạng hàm.
Không có thủ tục ước lượng nào có thể hiệu
chỉnh vấn đề AR mà nguyên nhân là do đặc
trưng sai trong phần xác định hơn là trong
số hạng sai số
25
LẤY SAI PHÂN
Yt = 0 + 1Xt + t
Yt = 0 + 1Xt + t
Trong đó:
Yt = Yt – Yt –1
Xt = Xt – Xt –1
Tuy nhiên, giải pháp sử dụng sai phân bậc nhất
này không phải lúc nào cũng thích hợp
26
THỦ TỤC COCHRANE – ORCUTT
Yt = 1 + 2 X2t + 3X3t + + k Xkt + t
Yt–1 =1 + 2 X(t–1)2 + 3X(t–1)3 + + k X(t –1)k + t –
1
Yt – Yt–1 = 1(1–) + 2[Xt2 – X(t–1)2] + 3[Xt3 –
X(t–1)3] + + k[Xtk – X(t–)k] + t
27
THỦ TỤC COCHRANE – ORCUTT
Yt = 1 + 2 X2t + 3X3t + + k Xkt + t (1)
Bước 1: Ước lượng (1) bằng OLS t^ = resid
Bước 2: t^ t-1^, tính ^
28
THỦ TỤC COCHRANE – ORCUTT
Bước 3: Tính
Bước 4: Ước lượng
bằng OLS
29
THỦ TỤC COCHRANE – ORCUTT
Bước 5: Sử dụng các k^ trong bước 4 thay vào
(1) để tính lại các t^
Bước 6: Tính lại ^ và so sánh với ^ ở bước 2
Phương pháp này chỉ tìm được ^ cục bộ
30
THỦ TỤC HILDRTH – LU
Bước 1: Chọn một giá trị (1). Sử dụng giá trị
này, biến đổi các biến và ước lượng phương trình
(*)
bằng thủ tục OLS.
31
THỦ TỤC HILDRTH – LU
Bước 2:
Từ các giá trị ước lượng này của phương trình (*)
ta tính ra giá trị tổng bình phương sai số tương
ứng. Gọi giá trị này là ESS(1).
Tiếp tục chọn một giá trị khác nữa cho (gọi là
2) và lặp lại bước 1 và 2.
32
THỦ TỤC HILDRTH – LU
Bước 3:
Thay đổi giá trị của từ –1 đến + 1 theo với bước
nhảy có tính hệ thống nào đó Một chuỗi các
giá trị ESS().
Chọn nào có giá trị ESS nhỏ nhất *
Phương trình (*) ước lượng với giá trị * là kết
quả tối ưu.